基于支撑向量机概率输出的高光谱影像混合像元分解

吴波; 张良培; 李平湘

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于支撑向量机概率输出的高光谱影像混合像元分解

吴波, 张良培, 李平湘

文章导航 > 武汉大学学报 ● 信息科学版 > 2006 > 31(1): 51-54

吴波, 张良培, 李平湘. 基于支撑向量机概率输出的高光谱影像混合像元分解[J]. 武汉大学学报 ● 信息科学版, 2006, 31(1): 51-54.

引用本文:

吴波, 张良培, 李平湘. 基于支撑向量机概率输出的高光谱影像混合像元分解[J]. 武汉大学学报 ● 信息科学版, 2006, 31(1): 51-54.

WUBo, ZHANGLiangpei, LIPingxiang. Unmixing of Hyperspectral Imagery Based on Probabilistic Outputs of Support Vector Machines[J]. Geomatics and Information Science of Wuhan University, 2006, 31(1): 51-54.

Citation:

WUBo, ZHANGLiangpei, LIPingxiang. Unmixing of Hyperspectral Imagery Based on Probabilistic Outputs of Support Vector Machines[J]. Geomatics and Information Science of Wuhan University, 2006, 31(1): 51-54.

基于支撑向量机概率输出的高光谱影像混合像元分解

¹ 武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号,430079

基金项目: 国家自然科学基金资助项目(40471088);国家973计划资助项目(2003CB415205)

详细信息

作者简介:
吴波,博士生。主要研究方向为图像处理、模式识别、Agent模型等。

中图分类号: TP751

Unmixing of Hyperspectral Imagery Based on Probabilistic Outputs of Support Vector Machines

¹ State Key Laboratory for Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家自然科学基金资助项目(40471088);国家973计划资助项目(2003CB415205)

摘要: 提出利用支撑向量机(SVM)后验概率来分解高光谱影像的混合像元,通过支撑向量机的输出值转化为两两配对的后验概率,再由两两配对的概率值求得多类后验概率,并以像元所属类别的后验概率作为地物的组分信息。实验结果表明,该方法能较好地估计出混合像元的组分比。
- 支撑向量机 /
- 多类 /
- 后验概率 /
- 像元分解 /
- 高光谱
Abstract: This paper proposes to estimate abundances from hyperspectral image using probability outputs of support vector machines(SVMs),trains a SVM with a gauss kernel function,and trains the parameters of an additional sigmoid function to map the SVM outputs into probabilities.An experiment of real hyperspectral image is conducted to validate the procedure.The abundances estimated by SVM comparison with those of the linear spectral unmixing are also given.The experiment results show that the method can provide effective result of abundance estimation for hyperspectral image.
- support vector machine(SVM) /
- multi-class /
- posterior probability /
- pixel unmixing /
- hyperspectral imagery

[1]	汪韬阳, 李熙, 田礼乔, 陈振炜, 李治江, 张过, 李德仁, 沈欣, 李欣, 蒋博洋, 周屈, 邓实权, 王剑茹, 朱浩楠. 城市建筑群航天遥感动态监测 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 640-650. doi: 10.13203/j.whugis20200096
[2]	王毅, 李季. 基于SVM的高光谱遥感图像亚像元定位 . 武汉大学学报 ● 信息科学版, 2017, 42(2): 198-201. doi: 10.13203/j.whugis20150443
[3]	刘秀英, 王力, 常庆瑞, 宋荣杰. 利用包络线消除法反演黄绵土水分含量 . 武汉大学学报 ● 信息科学版, 2017, 42(5): 661-668. doi: 10.13203/j.whugis20150006
[4]	秦占飞, 申健, 谢宝妮, 严林, 常庆瑞. 引黄灌区水稻叶面积指数的高光谱估测模型 . 武汉大学学报 ● 信息科学版, 2017, 42(8): 1159-1166. doi: 10.13203/j.whugis20150132
[5]	王斐, 覃志豪, 宋彩英. 利用Landsat TM影像进行地表温度像元分解 . 武汉大学学报 ● 信息科学版, 2017, 42(1): 116-122. doi: 10.13203/j.whugis20140604
[6]	秦占飞, 常庆瑞, 申健, 于洋, 刘佳岐. 引黄灌区水稻红边特征及SPAD高光谱预测模型 . 武汉大学学报 ● 信息科学版, 2016, 41(9): 1168-1175. doi: 10.13203/j.whugis20140516
[7]	方圣辉, 乐源, 梁琦. 基于连续小波分析的混合植被叶绿素反演 . 武汉大学学报 ● 信息科学版, 2015, 40(3): 296-302.
[8]	王楠, 张良培, 杜博. 最小光谱相关约束NMF的高光谱遥感图像混合像元分解 . 武汉大学学报 ● 信息科学版, 2014, 39(1): 22-26.
[9]	彭小婷, 高文秀, 王俊杰. 基于包络线去除和偏最小二乘的土壤参数光谱反演 . 武汉大学学报 ● 信息科学版, 2014, 39(7): 862-866.
[10]	张春森, 李辉. 顾及混合像元分解的遥感图像光谱模拟 . 武汉大学学报 ● 信息科学版, 2013, 38(9): 1052-1056.
[11]	石强, 陈凤娥, 梅天灿, 秦前清. SVM后验概率结合改进多尺度MRF的遥感影像分割方法 . 武汉大学学报 ● 信息科学版, 2013, 38(2): 195-199.
[12]	赵海涛, 张兵, 左正立, 陈正超. 推扫式高光谱传感器集成的POS系统视准轴及位置偏差检校 . 武汉大学学报 ● 信息科学版, 2013, 38(8): 973-977.
[13]	梁志锋, 凌飞龙, 陈尔学. 全极化SAR数据的最大后验概率分类 . 武汉大学学报 ● 信息科学版, 2013, 38(6): 648-651.
[14]	谭琨, 杜培军, 王小美. 利用分离性测度多类支持向量机进行高光谱遥感影像分类 . 武汉大学学报 ● 信息科学版, 2011, 36(2): 171-175.
[15]	归庆明, 李涛, 衡广辉. 时间序列异常值探测的Bayes方法及其在电离层VTEC数据处理中的应用 . 武汉大学学报 ● 信息科学版, 2011, 36(7): 802-806.
[16]	张睿, 马建文. 一种SVM-RFE高光谱数据特征选择算法 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 834-837.
[17]	龚龑, 舒宁. 基于层次密度分析的遥感影像分割方法 . 武汉大学学报 ● 信息科学版, 2008, 33(3): 310-313.
[18]	龚衍, 舒宁. 非参数吉布斯模型和多波段遥感影像纹理分割方法研究 . 武汉大学学报 ● 信息科学版, 2007, 32(7): 581-584.
[19]	舒宁. 关于多光谱和高光谱影像的纹理问题 . 武汉大学学报 ● 信息科学版, 2004, 29(4): 292-295.
[20]	刘志刚, 李德仁, 秦前清, 史文中. 基于特征空间中类间可分性的层次型多类支撑向量机 . 武汉大学学报 ● 信息科学版, 2004, 29(4): 324-328.